ClaudeOpus4.5的灵魂文档被人逆向提取！Anthropic负责人承认属实

背景：近期，开发者Richard Weiss通过特定技术方法，从Claude 4.5 Opus模型中逆向提取出一份被称为“灵魂文档”的内部训练材料，揭示了Anthropic公司如何从价值观层面塑造AI的行为准则。研究目的：该事件引发了公众对AI模型训练细节的关注，特别是Anthropic如何通过监督学习和强化学习从人类反馈（RLHF）等方式，将安全、伦理、公司政策和用户帮助的优先级嵌入模型的核心“人格”。结论：Anthropic负责人承认文档属实，并计划发布完整版本。文档内容显示，Claude被定位为一种“新型实体”，其行为遵循四级效忠体系（安全>伦理>公司政策>用户帮助），旨在成为用户可靠、专业的免费助手，同时公司甚至要求模型在极端情况下拒绝包括Anthropic自身在内的滥用企图。这一披露为理解AI模型的价值观训练提供了罕见的一手视角。